High Resolution Mapping of Peatland Hydroperiod at a High-Latitude Swedish Mire
Notice bibliographique
Résumé
Monitoring high latitude wetlands is required to understand feedbacks between terrestrial carbon pools and climate change. Hydrological variability is a key factor driving biogeochemical processes in these ecosystems and effective assessment tools are critical for accurate characterization of surface hydrology, soil moisture, and water table fluctuations. Operational satellite platforms provide opportunities to systematically monitor hydrological variability in high latitude wetlands. The objective of this research application was to integrate high temporal frequency Synthetic Aperture Radar (SAR) and high spatial resolution Light Detection and Ranging (LiDAR) observations to assess hydroperiod at a mire in northern Sweden. Geostatistical and polarimetric (PLR) techniques were applied to determine spatial structure of the wetland and imagery at respective scales (0.5 m to 25 m). Variogram, spatial regression, and decomposition approaches characterized the sensitivity of the two platforms (SAR and LiDAR) to wetland hydrogeomorphology, scattering mechanisms, and data interrelationships. A Classification and Regression Tree (CART), based on random forest, fused multi-mode (fine-beam single, dual, quad pol) Phased Array L-band Synthetic Aperture Radar (PALSAR) and LiDAR-derived elevation to effectively map hydroperiod attributes at the Swedish mire across an aggregated warm season (May–September, 2006–2010). Image derived estimates of water and peat moisture were sensitive (R2 = 0.86) to field measurements of water table depth (cm). Peat areas that are underlain by permafrost were observed as areas with fluctuating soil moisture and water table changes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».